设想这样一个工作场景:你让AI起草方案,屏幕上的文字不断往下滚,背景、结论、建议,都有了。你把手放到发送键旁,忽然停住:那句支撑整份方案的判断,出处在哪里?找不到,就不敢发。稿子已经写完,你却还没法交差。刚才省下的时间,好像又开始往回流。
先别急着怪工具。这是用来拆解问题的假设场景,并非某家公司的实测记录。它指向的麻烦很具体:文字生成得快,接手的人未必能同样快地弄懂、查清、修改。但这也不等于AI没有提高效率。真正要问的是,从接到任务到成果能用,整段工作究竟变短了,还是只把忙碌挪到了发送之前?
手停在发送键上
接着这个假设往下想。你原本只是想省点事:不用对着空白文档发愁,不用反复挪动段落,也不用琢磨结尾怎么收。现在,框架搭好了,话也说顺了。松口气。光标停在末尾,你甚至已经准备把草稿复制到消息框里,心里觉得,剩下的不过是改改措辞。
可读到关键结论,你又停住了。先别发。这句话凭什么成立?你沿着它找出处,打开原始材料,把相关段落翻出来。原文说的是哪些条件,草稿有没有交代?原文留下的保留意见,到了这里,怎么变成了肯定的建议?
还没完。假如条件没对上,就得回头找:后面的建议是不是也跟着偏了?删掉这句,前后的推理还能不能接住?你开始挪动光标,补说明,改措辞,再把改过的地方读回来。发送键就在旁边,手却迟迟落不下去。
说白了,表达完整和证据充分,是两回事。句子通顺,只能让你读得顺,不能替你确认结论可靠。起草时,你以为任务快结束了;验收时才发现,哪些内容能放心使用,自己还没弄清。真正让人犯难的,就在这里。
这次停顿,正好接上了关于模型输出的一种担忧。
写得出来,还得看得明白
这份担忧,X用户@karpathy也表达过:人们将花更多时间试图理解语言模型的输出。话说得直接,但边界得摆清楚。这是个人判断,并不是对所有使用者做过工时统计之后得出的结论。
先看清证据。素材标注,这条帖子获赞55055。它能说明这番表达获得了互动,却不能说明点赞的人都遇到了同样的麻烦,更不能把点赞数当成工作时间增加的人数。热度不是工时。
麻烦在哪?拿写方案、做分析这类共同任务来说,接手者要做的,远不止从头读到尾。材料里原本写了什么,模型又顺着材料推出了什么,这两层得拆开。语句通顺,只能让阅读顺畅,不能替结论提供出处。
你想想,假设方案把某种变化直接写成了某项措施的结果,你就得翻回原始材料,找出支撑这层关系的证据。找不到,便要改措辞,甚至重做分析。光看生成速度,这些动作很容易被漏掉。
账还没算完。现有素材没有生成、核验和返工的工时对照,所以不能断言人们已经普遍更忙。要检验效率,得把起草到交付的耗时放在一起看。
要弄清省下的时间去了哪里,得沿着交付过程往回找。
省下的时间,从哪里流走
先看需求怎么变。假设你用AI写方案,原本只想把思路讲清楚,看到生成方便,又让它换个角度,再补些背景,顺手展开风险分析。每次追加都很轻松,可这些内容如果都要交出去,就不能只扫眼标题。多了,就得看。
麻烦就在这里。索取内容的时候,你想的是“再补点也不费事”;接手检查的时候,却得判断哪些有用,哪些重复,哪些话看着顺畅,其实缺了依据。起草省下的力气,可能变成阅读和取舍的负担。快,不等于完。
再往下走,遇到可疑的结论,也不是删掉就结束。还得往回查。它用了什么前提?后面的建议是不是跟着这个前提走?假如前提站不住,改动就可能从某句话延伸到整段论证,甚至需要重写建议。
所以,生成容易,并不必然让人更忙。关键是新增的内容有没有进入交付,进入后又要查到什么程度。若版本越要越多,检查标准还照旧,验收负担就可能增加。说白了,得把读稿、查证、修改都算进去,才能知道时间究竟省没省。
效率的账,得一直记到成果能用的那一刻。
四、这跟你有什么关系
落到你身上,这笔账怎么记?假设你正在用AI写方案,别在文档生成时就停表。从打开输入框,到查清出处、改完错误,再到交付后被退回来重做,都该算进这项任务。账别漏。否则,省下的是敲键盘的时间,藏起来的是后面的活。
你可以在手边的任务记录里,把起草、查来源、改错、返工分别记下来。查来源时,顺手把原文链接放到对应判断旁边;找不到依据的句子,先标出来。别急着发。等同事追问时再翻聊天记录、找网页,刚才跳过的步骤,还得补回来。
尤其是方案里的关键判断,不能因为语气肯定,就当它已经查证过。你想想,建议靠什么成立?引用的材料能不能撑住结论?这里没弄明白,后面的安排写得再齐整,也可能跟着改。先查这里。别把润色放在核验前头。
交付后的修改也要分清:是需求变了,还是原稿有错?前者未必与AI有关,后者才需要追到具体句子。说白了,把任务做完的总时间记清楚,你才知道工具到底帮在哪里。少打字当然轻松,但轻松了多少,和提前多久交差,得分别看。
把这些工时摆出来,才能判断工具是在省力,还是让人接了更多活。
五、我的判断,以及我可能错在哪
我的判断是,在要求事实准确、结论能追到出处的工作里,我更看重输出是否方便核验。能不能继续写长,倒没那么要紧。长,不等于好。稿子多出几段,接手的人就可能多查几段,省下的起草时间未必留得住。
说白了,我希望拿到的稿子,能把事实、推测和建议分开,引用旁边有出处,不确定的地方直接标明。这样,打开原文时知道该找什么,发现问题时知道该改哪里。不用猜。这些看着不起眼,却关系到人要在屏幕前坐多久。
反过来,文字越铺越满,判断藏在解释里,解释又裹着建议,核验就可能变成拆线团。你得先弄清它到底说了什么,再查依据能否撑住结论。查出依据不对,还得回头看后面的建议是否受影响。活儿没完。发送键还得等。
所以,判断有没有提效,我会把起草、读懂、查证和返工放在同张工时记录里。不能只盯着生成结束的时刻。交到别人手里之前,还要花多少精力,这笔账也得算。否则,屏幕上看着很快,交付却可能照样卡住。
我也可能错在,把验收的负担估得太重。这里没有公开实测数据,能证明这些工时必然抵消起草节省。
争论最终要落到同一个问题:我们认可的效率,到底在哪个环节结账?
我的立场是,效率要算到成果能用。你更认可生成提速本身就算进步,还是必须连同人工验收一起省时才算?
数据来源:
· X @karpathy:关于人们将花更多时间理解语言模型输出的观点;所给素材标注获赞55055,未提供原帖链接。
· 用户提供的选题材料:生成、理解、核验与返工的机制讨论;未提供实际工时测量,文中场景明确为假设。